perl输出基因的位置信息按照基因所在染色体，和位置信息排序
perl输出基因的位置信息按照基因所在染色体，和位置信息排序
我们在整理基因组的gff文件，想输出基因的位置信息，以及基因所对应的多个转录本信息，需要对基因按照染色体排序，这里使用到了perl里面hash按照值来排序，而且还用了两个值基因型排序。示例代码如下，以下代码可以从gff文件当中提取所有基因的位置信息以及对应的多个转录本信息：
perl代码如下：
#!/usr/bin/perl -w
use strict;
use Cwd qw(abs_path getcwd);
use Getopt::Long;
use Data::Dumper;
die "perl $0 <gff> <outfile>" unless(@ARGV==2);
my$gff=$ARGV[0];
my%gene=();
my%gene_region=();
my%mRNA2Gene=();
my%Gene2mRNA=();
open IN,"$gff" or die "$!";
open OUT ,">$ARGV[1]" or die "$!";
print OUT "#gene_ID\tchr\tstart\tend\tstrand\ttranscript_id\n";
while(<IN>){
chomp;
next if (/^#/);
my@tmp=split(/\t/);
if($tmp[2] =~/^gene/){
my($id)=($tmp[8]=~/ID=([^;]+)/);
$gene{$id}=1;
$gene_region{$id}=[$tmp[0],$tmp[3],$tmp[4],$tmp[6]];
#print "gene:$id\n";
#my$gene_chr->{$id}=$tmp[0];
}
if($tmp[2] =~/mRNA|transcript/i){
my($id)=($tmp[8]=~/ID=([^;]+)/);
my($pid)=($tmp[8]=~/Parent=([^;]+)/);
if(exists $gene{$pid}){
push @{$Gene2mRNA{$pid}},$id;
}
#print "mRNA:$id\n";
}
}
close(IN);
#多层排序，先按染色体排序，再按基因位置排序
for my$id(sort {$gene_region{$a}->[0] cmp $gene_region{$b}->[0]
or $gene_region{$a}->[1] <=> $gene_region{$b}->[1] } keys %gene_region){
print OUT "$id\t".join("\t",(@{$gene_region{$id}},sort @{$Gene2mRNA{$id}}) )."\n";
}
close(OUT);
更多生物信息perl语言学习视频课程：《perl入门》《perl高级编程》
- 发表于 2018-12-13 22:26
- 阅读 ( 5348 )
- 分类：perl
